围观人工智能最新应用

姓名：芦凯      学号：17011210546

转载自：习悦智能公众号，原文链接：http://mp.weixin.qq.com/s/ho684Rr-u9fwlFaEl2OHew

【嵌牛导读】人工智能除了图像分析和语音处理之外都有哪些应用？貌似我们感受最深的也就是这两块最为成熟的应用模式了。本周新闻主要以人工智能的最新应用为切入点，带你了解圈内最新资讯动态。

【嵌牛鼻子】人工智能，最新动态

【嵌牛提问】人工智能除了图像分析和语音处理之外都有哪些应用？

【嵌牛正文】

1用深度学习服务临终关怀

    如果你能选择自己生命结束时刻的地点，你希望会在哪里？统计调查表明，多数的美国人希望能过在自己的家中与这个世界告别，但是真正实现的人数不到20%，更多的人在医院中告别人世。而其主要原因，即从业人员与医护资源的短缺。

    为了改变这一现状，帮助医疗系统更好地分配安宁疗护资源，斯坦福大学吴恩达团队研究出一种深度神经网络系统，通过分析病人的电子健康病历数据，预测其生命结束的时间。该系统采用的训练数据来自斯坦福医院电子健康病历（EHR）数据库的200多万份病患数据包含诊断代码(diagnostic codes）、 处置代码（procedure codes）、药物处理代码（medication codes）以及就诊细节（encounter details）等信息。采用此系统，工作人员可以尽早为病人提供关怀服务，使其能走得其所。

2 人工智能辅助医生诊断

    医学图像，如X光、B超等，在医院中常由经验丰富的医生进行人工的阅读与理解，获取其中反映的病理信息与病况，过程乏味枯燥又浪费时间，而对于缺乏经验的放射科医师或偏远山区的医师人员来说，阅读医学图像并整理编写图像报告十分困难。因此，实现自动的医学图像读取及文字整理成为人工智能要解决的问题之一。

    知名人工智能创业公司 Petuum 近期就此问题发表了数篇论文，介绍了如何使用机器学习自动产生医疗图像报告，从而更好地辅助医生进行治疗诊断，提升诊断效率与质量。一份完整的医学影像报告通常包括非结构化的描述（以语句和段落的形式展示）和半结构化标签（以关键字列表的形式展示），如上图所示。他们提出了一种多任务层级模型，该模型带有协同注意力机制（co-attention）且能自动预测关键字并生成长段落。给定一张经过分割的图像，使用一个 CNN 来学习这些图像块的视觉特征，然后再馈送这些视觉特征到多标签分类网络（MLC）以预测相关的标签。

3车辆与人口政治倾向预测

    美国有句俗语，"You are what you drive"，意思是你开的车反映了你的为人。曾有调查研究表明，根据大数据统计发现，如果一个社区的轿车数量大于皮卡的数量，那么该地区有88％的可能性会投票给民主党。如果皮卡的数量大于轿车，则该选区投票给共和党的可能性是82％。

    斯坦福大学李飞飞带领的视觉研究室近期将人工智能的研究成果应用到人口统计学中。通过人工智能构建分析模型，对谷歌街景图像中各社区的汽车类型和位置数据进行分析统计，在此基础上为人工统计提供重大参考，其中包括可以预测社区人员的政治倾向。在传统概念中，这些结果需要花费数十亿美元进行人口普查才能获取，这项新的研究使用很容易获得的视觉数据，就能对社区、人口状况有深入的分析了解。利用谷歌街景的人工智能算法分析几乎可以实时生成分析结果，相较社区调查优势显著。此外，这项研究打开了更多的可能性。

4 用AI防止幼儿园虐童事件

    最近接连爆出的幼儿园虐童事件令人心痛不已，除了加强监管之外，有什么其他的措施可以防止此类事件发生呢？近期一个研究小组表明，正准备推出一套人工智能系统，实时捕捉幼儿园内的虐童行为。

    其实，幼儿园内的监控摄像头并不少见，然而多数的监控并不对外开放，家长无法实时获取孩子的视频信息，园区管理人员也并未充分加以利用，更多的是在事件发生后调取监控摄像头进行证据采集确认。近年来，随着深度学习技术的成熟化，基于监控视频的动作识别及异常检测已达到应用水平。如，通过对监控摄像头的实时分析，一旦发生异常行为，如孩童跌倒、打耳光、脚踢等异常行为，第一时间发送预警信息给相关的管理人员，并剪辑相关视频保存作为证据信息，提升监管效率。

5 使用神经网络探索宇宙星球

    近日，天文学家Carlo Enrico Petrillo训练了一个AI程序来替他查看星系。当一个巨大的物体（一个星系或一个黑洞）在遥远的光源和地球上的一个观测者之间来回转动时，它会使周围的空间和光线发生弯曲，创造出一个让天文学家仔细观察宇宙的透镜。 这就是所谓的引力透镜，这些透镜是理解宇宙是由什么构成的关键。Petrillo和同事提出了一个自动识别系统，通过数据训练神经网络，使其学习进行模式识别。经过训练之后，该模型可以在非常短的时间内进行识别，1分钟发现1个引力透镜，极大地提升了效率。

    而此前另一位天文学家Kevin Schawinski和他的团队专门研究星系和黑洞天体物理学，他使用AI来提高模糊望远镜图像的分辨率。在其发表的文章中提出了使用GAN提升太空图片的质量，其训练数据为降低了质量、增加了噪声之后的星系图像，从而输入正常的太空图片，可以获得高质量、高清晰度的图像输出。